Dispongo de un DataFrame
de pandas, con dos columnas, una con un código de clientes y fechas.
Quiero saber qué clientes no han pedido en los últimos dos años, es decir aquellos que en un periodo en torno a 730 días no han aparecido en la lista.
A continuación propongo un modelo de código que podría servir de modelo:
import pandas as pd
import numpy as np
from pylab import *
import sys
from datetime import datetime, timdelta
fechas =[Timestamp ('2018-06-01 00:00:00'), Timestamp ('2019-01-04 00:00:00'),Timestamp ('2019-06-19 00:00:00'), Timestamp ('2019-12-11 00:00:00'),Timestamp ('2020-01-23 00:00:00'), Timestamp ('2017-02-10 00:00:00'),Timestamp ('2017-10-19 00:00:00'), Timestamp ('2017-12-07 00:00:00'),Timestamp ('2018-01-19 00:00:00'), Timestamp ('2018-02-28 00:00:00'),Timestamp ('2018-11-20 00:00:00'), Timestamp ('2018-11-23 00:00:00'),Timestamp ('2019-02-07 00:00:00'), Timestamp ('2019-08-21 00:00:00'),Timestamp ('2018-11-27 00:00:00'), Timestamp ('2019-06-04 00:00:00'),Timestamp ('2019-10-29 00:00:00'), Timestamp ('2019-12-11 00:00:00'),Timestamp ('2019-11-12 00:00:00'), Timestamp ('2020-01-03 00:00:00')]
clientes =[4300000001, 4300000001, 4300000001, 4300000001, 4300000001, 4300000003,4300000003, 4300000003, 4300000003, 4300000003, 4306000335, 4306000338,4306000638, 4306000915, 4306003799, 4306003800, 4306010278, 4306010278,4306010521, 4306010521]
#el array en cuetion
list_clients = pd.DataFrame ({ 'cliente': clientes, 'fecha':fechas }
)
#calculo la fecha a partir de la cual han pasado los 2 aC1os desde hoy
flag_date = today - timedelta (days = 730)
#arrays para rellenar dos grupos, los elementos anteriores y los posteriores a esa fecha
before =[]
after =[]
#elementos anteriores a esta fecha y posteriores son clasificados
for i, val in enumerate (list_clients['fecha']):
if val<flag_date:
before.append (list_clients['cliente'][i])
else:
after.append (list_clients['cliente'][i])
#los transformo en DataFrame para despues trabajar con grupos
before = pd.DataFrame ({'before':before})
after = pd.DataFrame ({'after':after})
#aqui dejo solo los elementos que esten antes de esa fecha y no esten en el otro grupo
difference = pd.concat ([before, after, after]).drop_duplicates (keep = False)
print (len (difference['before']))
Este es mi calculo, sin embargo no estoy seguro de que sea ni optimo, ni que el resultado sea correcto. Gracias por vuestros aportes.